Ichthyoplankton metabarcoding: An efficient tool for early detection of invasive species establishment
Notice bibliographique
Résumé
Detection of invasive species is critical for management but is often limited by challenges associated with capture, processing and identification of early life stages. DNA metabarcoding facilitates large-scale monitoring projects to detect establishment early. Here, we test the use of DNA metabarcoding to monitor invasive species by sequencing over 5000 fishes in bulk ichthyoplankton samples (larvae and eggs) from four rivers of ecological and cultural importance in southern Canada. We were successful in detecting species known from each river and three invasive species in two of the four rivers. This includes the first detection of early life-stage rudd in the Credit River. We evaluated whether sampling gear affected the detection of invasive species and estimates of species richness, and found that light traps outperform bongo nets in both cases. We also found that the primers used for the amplification of target sequences and the number of sequencing reads generated per sample affect the consistency of species detections. However, these factors have less impact on detections and species richness estimates than the number of samples collected and analysed. Our analyses also show that incomplete reference databases can result in incorrectly attributing DNA sequences to invasive species. Overall, we conclude that DNA metabarcoding is an efficient tool for monitoring the early establishment of invasive species by detecting evidence of reproduction but requires careful consideration of sampling design and the primers used to amplify, sequence and classify the diversity of native and potentially invasive species.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».